Когда метеоролог говорит о вероятности дождя, он опирается на текущее состояние атмосферы: давление, влажность, ветер. Точно так же для редких климатических событий, например сильного Эль-Ниньо — тёплого течения у берегов Южной Америки, — можно построить карту вероятностей. На этой карте каждая точка соответствует определённому состоянию океана и атмосферы, а цвет показывает, с какой вероятностью оттуда начнётся событие.
Но как построить такую карту? Прямой способ — запустить множество симуляций из каждой точки и посчитать долю тех, что привели к событию. Это очень дорого. Вместо этого учёные обучили нейросеть на парах «начальное состояние — исход» и она научилась предсказывать вероятность. Проверка на простой модели показала, что сеть ошибается совсем немного.
Оказалось, что на карте есть четыре типа областей. В одних вероятность всегда 0 или 1 — там исход предрешён. В других вероятность плавно меняется — прогноз возможен, но не точен. А есть области, где малейшее изменение начальной точки переворачивает вероятность с 0 до 1. Там прогноз практически невозможен. Знание того, где какие области, помогает честно оценивать неопределённость прогноза.
В модели Джина и Тиммерманна два аттрактора — периодический и хаотический — переплетены в пространстве состояний, как нити в клубке, так что сколь угодно близкие начальные точки могут привести к совершенно разным судьбам.